作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着计算机及互联网的快速发展,电子商务渐渐成为国家经济的重要组成部分,如何从大数据中准确预测用户购物行为并进行个性化推荐成为电商领域的研究热点.本文基于机器学习对英国电子商务数据进行基本分析,以文本处理及聚类的方式构造用户-产品矩阵及产品和用户聚类,并实现支持向量机分类器对新用户进行分类,从而预测新用户的购买行为及模式.
推荐文章
基于机器学习技术的网站用户行为预测
行为预测
logistic回归
用户行为
数据集分类
机器学习
留存分析
机器学习增强的电子商务平台用户行为预测
机器学习
电子商务
用户行为预测
在线电子支付
基于Nutch的分布式电商数据采集技术研究
电商数据
反爬
Nutch
分布式
采集
基于机器学习技术的网站用户行为预测
行为预测
logistic回归
用户行为
数据集分类
机器学习
留存分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于机器学习及电商数据预测用户行为
来源期刊 通讯世界 学科 工学
关键词 电子商务 文本处理 用户聚类 支持向量机 分类器
年,卷(期) 2019,(3) 所属期刊栏目 论述
研究方向 页码范围 212-213
页数 2页 分类号 TP309
字数 1810字 语种 中文
DOI 10.3969/j.issn.1006-4222.2019.03.136
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周志远 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (48)
共引文献  (47)
参考文献  (9)
节点文献
引证文献  (3)
同被引文献  (2)
二级引证文献  (0)
1966(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(9)
  • 参考文献(1)
  • 二级参考文献(8)
2019(2)
  • 参考文献(0)
  • 二级参考文献(2)
2019(4)
  • 参考文献(0)
  • 二级参考文献(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电子商务
文本处理
用户聚类
支持向量机
分类器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
通讯世界
月刊
1006-4222
11-3850/TN
大16开
北京复兴路15号138室
82-551
1994
chi
出版文献量(篇)
31562
总下载数(次)
90
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导